Spatially Adaptive Denoising Using Statistical Activity of Wavelet Coefficients

It is very important to construct statistical model in order to exactly estimate the signal variance from a noisy image. In order to estimate variance, information of neighboring region is used generally. The size of neighbor region is varied according to the regional characteristics of image. More accurate estimation of edge variance is due to smaller region of neighbor, on the other hands, larger region of neighbor is used to estimate the variance of flat region. By using estimated variance of original image, in general, Wiener filter is constructed, and it is applied to the noisy image. In this paper, we propose a new method for determining the range of neighbors to estimate the variance in wavelet domain. Firstly, a significance map is constructed using the parent-child relationship of wavelet domain. Based on the number of the significant wavelet coefficients, the range of neighbors is determined and then the variance of the original signal is estimated using ML(maximum likelihood method. Experimental results show that the proposed method yields better results than conventional methods for image denoising.

웨이블릿 계수의 통계적 활동성을 이용한 공간 적응 잡음 제거

영상 잡음의 제거를 위해서는 영상에 대한 통계적 모델을 설정하고, 잡음이 섞인 영상에서 원 영상의 분산을 정확하게 추정하는 것이 매우 중요하다. 분산을 추정하기 위해서는 일반적으로 유한한 크기의 주변 영역 정보를 이용한다. 주변 영역의 크기는 평탄 영역 및 에지 영역과 같이 영상의 영역에 따라 달라진다. 즉, 에지 영역인 경우는 주변 영역의 크기를 작게 설정할수록 추정 분산이 보다 정확하며, 평탄 영역의 경우는 주변 영역의 크기가 크면 분산의 추정이 정확해 진다. 이와 같이 추정된 원 영상의 분산을 이용하여 잡음 영상에 Wiener 필터를 적용함으로써 영상의 잡음을 제거하는 것이 일반적이다. 본 논문에서는 영상의 잡음을 제거하기 위해 웨이블릿 영역의 부모-자식 관계를 이용하여 중요도를 작성하고, 이를 이용하여 분산을 구하기 위한 이웃 영역의 범위를 결정하는 방법을 제안한다. 먼저 웨이블릿 계수의 중요한 특성을 획득할 수 있는 중요도를 작성하기 위해 간단한 분류 방법을 사용한다. 중요한 웨이블릿 계수의 수에 근거하여 웨이블릿 계수의 범위를 결정한 뒤 ML 방법을 이용하여 원 신호의 분산을 추정한다. 실험 결과를 통하여 제안 방법이 기존의 방법보다 나은 결과를 보여줌을 알 수 있다.